or
Den här övningen är en del av kursen
I det här kapitlet jämför du olika sätt som Fabric tar in data på, laddar in data med ett Copy-jobb och utforskar filer i en lakehouse. Du bygger, parametriserar och schemalägger fokuserade pipelines, och använder sedan genvägar och spegling för att göra data tillgänglig utan onödiga kopior.
I det här kapitlet använder du Dataflow Gen2 för att skapa, sammanfoga, filtrera och utöka frågor, väljer destinationsinställningar för data och schemalägger uppdateringar. Därefter hittar du flaskhalsar i dataflöden och snabbar upp uppdateringar med mellanlagring och Fast Copy.
I det här kapitlet undersöker du semantiska modeller i Fabric och ser hur Direct Lake läser data från OneLake, inklusive framing och fallback. Du utformar relationer, löser many-to-many-relationer med bryggtabeller och organiserar datumhierarkier. Därefter skriver du grundläggande DAX-mått och granskar DAX-utkast från Copilot.
I det här kapitlet säkrar du semantiska modeller med statisk och dynamisk radnivåsäkerhet samt objektnivåsäkerhet. Du väljer uppdateringsstrategier, inklusive inkrementell uppdatering och pipelineutlöst uppdatering, läser uppdateringshistorik och använder Best Practice Analyzer och Performance Analyzer för att hitta problem i modeller och rapporter.
Aktuell övning